Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

MetaGPT

Framework de Python que pasa una petición de una línea por roles de LLM inspirados en una empresa de software, ahora casi en modo de mantenimiento.

Reseña de ReviewRamble editors · Actualizado

Ver en GitHub Código abierto

Comparte esta página:XLinkedInFacebookRedditWhatsAppCorreo

Nuestra nota

3.2/5

MetaGPT es el artículo que hizo famosos los equipos de agentes con roles y una biblioteca que apenas se ha movido desde entonces, así que léelo para sacar ideas y construye sobre algo mantenido.

¿Qué es MetaGPT?

MetaGPT convierte un requisito de una línea en el papeleo y el código que produciría una pequeña empresa de software. Agentes de LLM hacen de product manager, arquitecto, project manager e ingeniero, cada uno con un procedimiento escrito (el lema del proyecto es Code = SOP(Team)), y se pasan documentos: historias de usuario, análisis de la competencia, una lista de requisitos, estructuras de datos, diseños de API y, al final, un repositorio en ./workspace. El ejemplo del README es `metagpt "Create a 2048 game"`.

La misma biblioteca incluye Data Interpreter, un agente que planifica una tarea de análisis de datos, escribe Python y lo ejecuta en un kernel local de Jupyter, además de código de investigación del equipo, como AFlow (generación automática de flujos de trabajo, presentación oral en ICLR 2025) y la optimización de prompts SPO. Los modelos se configuran en ~/.metagpt/config2.yaml: OpenAI, Azure, Ollama, Groq, Bedrock y otros.

La empresa detrás, DeepWisdom, dedica ahora su esfuerzo a Atoms, un creador de apps alojado y de código cerrado que se lanzó como MGX (MetaGPT X) en febrero de 2025 y cambió de nombre en enero de 2026. El framework de código abierto tiene licencia MIT y sigue instalándose desde PyPI, pero su última versión, v0.8.2, es de marzo de 2025.

¿Merece la pena MetaGPT?

MetaGPT importa más como diseño de referencia que como dependencia. Su artículo de ICLR 2024 mostró que dar a los agentes roles fijos y traspasos estructurados (un PRD, luego un diseño, luego tareas) puntuaba mejor en sus benchmarks que una conversación libre entre agentes, y esa idea recorre hoy CrewAI, las demos al estilo ChatDev y la mayoría de herramientas de programación guiadas por especificaciones. El repositorio sigue teniendo unas 71.000 estrellas en GitHub.

La actividad cuenta otra historia. La última versión etiquetada es v0.8.2, del 9 de marzo de 2025. En los 12 meses hasta noviembre de 2026 la rama principal recibió un solo cambio fusionado, soporte para Windows Terminal el 21 de enero de 2026, mientras 152 pull requests siguen abiertas. El paquete aún limita Python de 3.9 a 3.11, así que no se instala en 3.12 ni 3.13 sin apaños, y la configuración de ejemplo todavía apunta a gpt-4-turbo.

La razón es comercial. DeepWisdom lanzó MGX en febrero de 2025 y lo rebautizó como Atoms el 13 de enero de 2026; mgx.dev redirige ahora a atoms.dev. KrASIA informa de que la empresa dice que MGX alcanzó unos 500.000 usuarios registrados en su primer mes y que ha captado unos $30,8 millones. Atoms es un producto alojado y cerrado con planes de créditos desde $20 al mes, y el repositorio abierto apenas muestra rastro del trabajo de agentes que se metió en él.

La pega: el flujo de la empresa de software está pensado para proyectos nuevos. Parte de un requisito de una línea, y cada rol trabaja con los documentos del rol anterior y no con un código existente, así que aporta poco en un repositorio maduro. Data Interpreter ejecuta el código que escribe en un kernel local de Jupyter con los permisos de tu usuario, así que ejecútalo en un contenedor. El consumo de tokens es alto: una petición pasa por cuatro o más roles, y cada uno es una llamada completa al modelo con los documentos acumulados.

Nuestra opinión: MetaGPT es una buena lectura de una tarde para quien diseñe un sistema multiagente, y su carpeta de ejemplos es un catálogo útil de ideas de investigación, pero para trabajo en producción los frameworks mantenidos han tomado su idea central y han seguido publicando versiones.

Dónde se gana su sitio

  • Un estudiante de doctorado que trabaja en coordinación de agentes LLM

    Reproducir una línea base multiagente conocida para un artículo

    Instala metagpt 0.8.2 en un entorno de Python 3.11, ejecuta el flujo de la empresa de software sobre prompts de benchmark y compara con el artículo de ICLR. El código es gratis; el coste son los tokens de API de cuatro o más llamadas de rol por prompt.

  • Un responsable técnico en una consultora de 20 personas

    Convertir el resumen de un párrafo de un cliente en un primer PRD y un diseño de sistema para una propuesta

    Ejecuta `metagpt "<brief>"` y quédate con las historias de usuario, el análisis de la competencia y el diseño de API generados como borrador inicial; descarta el código. Una persona sigue editando cada documento antes de que llegue al cliente.

  • Una analista de datos en un comercio minorista mediano

    Obtener un análisis exploratorio rápido y gráficos a partir de un CSV

    Data Interpreter planifica los pasos, escribe código de pandas y gráficos y lo ejecuta en un kernel de Jupyter. Ejecútalo dentro de un contenedor, porque el código generado se ejecuta con tus permisos.

Antes de decidirte

Puesta en marcha
pip install metagpt en Python 3.9 a 3.11, instala Node.js y pnpm, luego `metagpt --init-config` y añade una clave de modelo a ~/.metagpt/config2.yaml; también hay una imagen Docker documentada.
Integraciones
OpenAI, Azure OpenAI, Ollama, Groq, Bedrock y otros proveedores mediante config2.yaml; se usa como CLI o como biblioteca de Python (generate_repo, DataInterpreter).
Datos y privacidad
Biblioteca autoalojada bajo MIT; los prompts solo van al proveedor de modelos que configures. Los repositorios generados quedan en ./workspace, y Data Interpreter ejecuta código en la máquina. Atoms, el producto alojado, es un servicio aparte con sus propias condiciones.
Coste a escala
Sin coste de licencia; cada petición hace varias llamadas completas al modelo con un contexto creciente, así que la factura de tokens crece con el número de roles y rondas de revisión, no con los usuarios.
Límites
Última versión en marzo de 2025, 152 pull requests abiertas, sin soporte para Python 3.12+ y un flujo pensado para proyectos nuevos y pequeños, no para repositorios existentes.

Lo bueno

  • Diseño claro e influyente: roles fijos que se pasan documentos estructurados
  • Un solo comando produce PRD, diseño, lista de tareas y código para una app pequeña
  • Data Interpreter y código de investigación (AFlow, SPO) en un mismo paquete
  • Licencia MIT sin límites comerciales

Lo malo

  • Ninguna versión desde v0.8.2 en marzo de 2025 y un solo cambio fusionado en un año
  • Solo Python 3.9 a 3.11; 3.12 y 3.13 no están soportados
  • Pensado para proyectos nuevos; los roles trabajan con documentos, no con tu repositorio
  • Data Interpreter ejecuta el código generado en local sin sandbox
  • El trabajo nuevo del equipo va al producto cerrado Atoms

Ideal para

Ingenieros e investigadores que estudian cómo estructurar sistemas multiagente, no equipos que eligen un framework para producción.

Alternativas a MetaGPT

MetaGPT: preguntas frecuentes

¿Merece la pena MetaGPT?
MetaGPT es el artículo que hizo famosos los equipos de agentes con roles y una biblioteca que apenas se ha movido desde entonces, así que léelo para sacar ideas y construye sobre algo mantenido. Le damos un 3.2 sobre 5.
¿Cuánto cuesta MetaGPT?
Gratis y de código abierto bajo la licencia MIT; pagas a tu proveedor de modelos. El producto alojado del equipo, Atoms (antes MGX), va aparte: Free con 15 créditos al día, Pro desde $20/mes, Max desde $100/mes.
¿Qué inconvenientes tiene MetaGPT?
Ninguna versión desde v0.8.2 en marzo de 2025 y un solo cambio fusionado en un año; solo Python 3.9 a 3.11; 3.12 y 3.13 no están soportados; pensado para proyectos nuevos; los roles trabajan con documentos, no con tu repositorio; data Interpreter ejecuta el código generado en local sin sandbox; el trabajo nuevo del equipo va al producto cerrado Atoms.
¿Para quién es MetaGPT?
Ingenieros e investigadores que estudian cómo estructurar sistemas multiagente, no equipos que eligen un framework para producción.
¿Cuánto cuesta MetaGPT para un equipo o en producción?
Sin coste de licencia; cada petición hace varias llamadas completas al modelo con un contexto creciente, así que la factura de tokens crece con el número de roles y rondas de revisión, no con los usuarios.
¿Es MetaGPT seguro para los datos de la empresa?
Biblioteca autoalojada bajo MIT; los prompts solo van al proveedor de modelos que configures. Los repositorios generados quedan en ./workspace, y Data Interpreter ejecuta código en la máquina. Atoms, el producto alojado, es un servicio aparte con sus propias condiciones.
¿Cuáles son las mejores alternativas a MetaGPT?
Las alternativas más cercanas que hemos analizado son CrewAI, AutoGen, LangGraph y OpenHands.

Respuestas comprobadas el 20 nov 2026.